Data Catalog Experten in Deutschland

• Es ist wie ein Start-up innerhalb von REWE, wo wir ein neues Forecasting-System auf der Google Cloud Platform von Grund auf aufbauen müssen. Offiziell heißt meine Rolle zwar MLOps, aber zu meinen tatsächlichen Aufgaben gehören auch die Entwicklung von Datenverarbeitungspipelines (Data Engineering) und Aufgaben von Data Scientists wie Feature Engineering und Modelltraining.
• GCP: Terraform (tofu), Vertex AI (Kubeflow), Cloud Run, IAM, Google Cloud Storage, BigQuery, Artifact Registry
• Data Engineering: Snowflake als zentrales Data Warehouse, Terraform, DBT für die Umsetzung von Datenmodellen
• CI/CD: GitLab. Wir haben eine CI/CD-Pipeline aufgebaut, die Deployments neuer Releases bis in die Produktionsumgebung automatisiert

• Entwicklung und Implementierung von maßgeschneiderten IT-Lösungen für Schlüsselkunden.
• Über 15 Jahre Erfahrung im IT- und Projektmanagement, disziplinarische Führung bis zu 80 Mitarbeiter.

• Datenmigrations-Engine / Datenmigration von proprietären Quellsystemen nach SAP/S4 (SAP S/4 HANA Migration fort.)
• Entwicklung eines Konzepts zur Datenautorisierung
• Konzeption der Systemarchitektur / Datenarchitektur / Datenintegration - kontinuierliche Erweiterungen
• Entwicklung eines konzeptionellen / logischen (MDM) Datenmodells - kontinuierliche Erweiterungen

• ChatGPT-ähnlicher KI-Chatbot mit Datei-Upload- und Interaktionsfunktionen, gehostet auf Azure in Europa, um die Einhaltung der Datenschutzbestimmungen des Unternehmens zu gewährleisten
• KI-gestützte Lösung zur Verarbeitung juristischer Dokumente zur automatischen Extraktion steuerrelevanter Daten aus komplexen Rechtsdokumenten, Verbesserung der Genauigkeit bei der Ermittlung steuerlicher Verpflichtungen, Verkürzung der Verarbeitungszeit und Minimierung des Risikos von Nichteinhaltung
• Asset Manager Service-Portal (AMS) entwickelt mit Angular, Python, Docker und Oracle DB, das als zentrales Datenkatalog dient und die Effizienz und Genauigkeit bei der Datenabfrage verbessert
• Dynamics 365 Azure-Integration über kundenspezifische Azure Functions-Plugins, um die CRM-Funktionen an die speziellen Anforderungen eines Investmentinstituts anzupassen

• Konzeption eines LLM-basierten Agentensystems zur Steuerung der ERP-Software
• Entwicklung von Agenten-Workflows mit LangGraph und PydanticAI
• Planung der Schnittstellen zwischen Geschäftslogik und Sprachmodellen
• Planung der Agentenorchestrierung
• Prototypenentwicklung- und Demonstration

Werkzeuge: Python, Pydantic, React, LangChain, LangGraph, Linux

• Als Freelancer unterstütze ich Unternehmen dabei, Online-Marketing und Analytics strategisch aufzubauen und gezielt einzusetzen.

• Gemeinsam entwickeln wir eine nachhaltige Strategie, um Ihre Zielgruppe zu erreichen, Daten sinnvoll und datenschutzkonform zu nutzen und Ihre Website optimal aufzustellen.

• Dabei setze ich auf eine enge, langfristige Zusammenarbeit – transparent, pragmatisch und ohne unnötige Fachbegriffe.

• Mein Ziel ist es, Ihr Unternehmen digital stark zu machen und Ihnen die Werkzeuge an die Hand zu geben, um fundierte Entscheidungen zu treffen.

• In meiner Tätigkeit arbeite ich auf Senior-Niveau.

• Kompetenzen:

• Digitale (Web-)Analytics

• Marketing-Technologie

• Datenschutz im Web (DSGVO & TDDDSG)

• Cookies & Cookie-Banner

• Datenstrategie

• Google Analytics

• Google Tag Manager

• Google Ads

• Digitales Projektmanagement

• Themen: Business Analyse, Datenschutz, Datenmanagement, Stakeholder Management, Konzeption
• Das vorliegende Projekt konzentriert sich auf die Entwicklung und Umsetzung eines strategischen Ansatzes für das Datenlöschen in SAP-Systemen. Ziel ist es, die relevanten Daten und Strukturen bei der Systemübernahme zu identifizieren, um sowohl den Datenschutz als auch die IT-Systemeffizienz zu gewährleisten. Gleichzeitig sollen Downtimedauern minimiert und regulatorische Anforderungen erfüllt werden.
• Entwicklung eines umfassenden Ansatzes zur Datenlöschung in SAP-Systemen unter Berücksichtigung datenschutzrechtlicher und geschäftlicher Anforderungen.
• Sicherstellung einer effizienten und strukturierten Datenüberführung in das neue System.
• Optimierung der Systemeffizienz und Reduktion von Downtimes während der Migration.
• Erstellung fachlicher und technischer Konzepte, um eine rechtskonforme und nachhaltige Datenverwaltung sicherzustellen.
• Themenvorbereitung: Detaillierte Untersuchung des Themenfelds „Datenlöschen", um die Grundlage für eine strukturierte Datenmigration zu schaffen.
• Definition der Projektstruktur: Festlegung von Rollen, Schnittstellen und der organisatorischen Projektstruktur.
• Regulatorische Anforderungen: Analyse von datenschutzrechtlichen Vorgaben und geschäftlichen Anforderungen, um die Löschkriterien zu definieren.
• Vorgehensweise: Entwicklung möglicher Szenarien und Vorgehensweisen für die Datenbereinigung und -löschung.
• Löschkonzepte: Erstellung von fachlichen und technischen Löschkonzepten, die die Implementierung strukturieren und klare Vorgaben liefern.
• Festlegung der Löschkriterien: Definition, welche Daten und Strukturen gelöscht oder übertragen werden.
• Verantwortlichkeiten: Klärung der Verantwortlichkeiten innerhalb des Projektteams sowie bei beteiligten Stakeholdern.
• Analyse laufender Aktivitäten: Identifikation und Erhebung bereits laufender Aktivitäten im Themenfeld „Datenlöschen".
• Aufwands-, Kosten- und Zeitplanung: Erstellung von Schätzungen für Ressourcen, Zeitaufwand und Budget.
• Umsetzungsinitiativen: Entwicklung und Umsetzung konkreter Maßnahmen, um die definierten Löschstrategien umzusetzen.
• IT-Systemeffizienz: Analyse der vorhandenen IT-Infrastruktur, um Optimierungspotenziale für die Löschung und Überführung von Daten zu identifizieren.
• Technologietrends: Bewertung neuer Technologien und Tools, die den Prozess der Datenbereinigung unterstützen können.
• Kosten-Nutzen-Analyse: Bewertung der finanziellen Auswirkungen der Datenbereinigung und der Einführung neuer Lösungsansätze.
• Risikomanagement: Identifikation potenzieller Risiken während der Umsetzung und Entwicklung geeigneter Maßnahmen zur Minimierung.
• Dieses Projekt legt die Grundlage für eine nachhaltige und rechtskonforme Datenüberführung in ein neues SAP-System. Mit einem klar definierten Ansatz zur Datenlöschung werden Datenschutzanforderungen erfüllt, Downtimes reduziert und die Effizienz des neuen Systems gesteigert. Die Ergebnisse und Handlungsempfehlungen werden Unternehmen dabei unterstützen, eine zukunftssichere Datenstrategie zu entwickeln, die gleichzeitig den gesetzlichen und geschäftlichen Anforderungen entspricht.

• Erstellte eine API zum Import, zur Bereinigung, Übersetzung und Indexierung von EU-Ausschreibungsdokumenten in Neo4j, wodurch eine hybride Suche mit RAG- und Cypher-Abfragen über ein Streamlit-Dashboard möglich wurde
• Setzte die API in AWS Lightsail Container-Services ein, automatisierte CI/CD mit GitHub Actions und sicherte die Stabilität durch pytest Unit- und Integrationstests
• Entwarf und entwickelte einen umfassenden Online-Kurs zur Datenanalyse mit ChatGPT für Fachleute und Lernende und erstellte dazu Lehrvideos und interaktive Jupyter-Notebooks
• Setzte OBS und professionelle Audioausrüstung ein, um Video- und Audiomaterial in hoher Qualität zu gewährleisten
• Leitete ein CRM-Daten-Normalisierungs- und Bereinigungsprojekt, das über ein Sankey-Diagramm visualisiert wurde, um das Kundenverständnis und die Pipeline-Entwicklung zu unterstützen
• Implementierte und validierte eine genAI-gesteuerte Web-Crawling-Strategie auf AWS und stellte Datenqualität, Skalierbarkeit und CRM-Datenanreicherung sicher

• Konzipierte eine Self-Service-Plattform mit Google Kubernetes Engine (GKE) für eine große Finanzinstitution (Commerzbank), die über 1000 Nutzer in Hunderten von Produktteams befähigte, Ressourcen eigenständig bereitzustellen und Entwicklungszyklen deutlich zu beschleunigen.
• Entwarf eine datenproduktorientierte Plattformarchitektur für das britische Verkehrsministerium (Department for Transport, DfT), um mehr als 1500 direkte Endanwender und zahlreiche angebundene Drittsysteme zu bedienen, wodurch Datenzugänglichkeit und Governance verbessert wurden.
• Trieb das Geschäftswachstum voran, indem ich die strategische Roadmap für die Geschäftslinie 'One Cloud' entwickelte, mit dem Ziel einer Umsatzsteigerung von 10 %.
• Diente als Kernmitglied der CTO-Authority und gab strategische Empfehlungen zu internen Cloud-Initiativen und Best Practices.

• Entwarf und implementierte skalierbare Data-Governance-Frameworks für Unternehmen aus Gesundheitswesen, Energie und Telekommunikation.
• Entwickelte Datenmodelle in Azure Synapse & Power BI und ermöglichte so hochleistungsfähige Berichte und Skalierbarkeit.
• Leitete die Migration von Altsystemen im BI-Bereich auf Cloud-Infrastruktur und steigerte Effizienz und Ausfallsicherheit.
• Agierte als technischer Berater und unterstützte Kunden bei Architekturverbesserungen und Implementierungsstrategien.

• Lead-Architekt für die Gestaltung und Umsetzung des Data Lake und der ETL-Pipeline mit dem AWS-Stack
• Leistungsoptimierung der Datenaufnahme der ETL-Pipeline
• Entwicklung der Datenvalidierung mit Great Expectations
• Leitung der Datenmigration für zwei Quellsysteme
• Datenmodellierung in AWS Redshift

MLOps

• Implementierung der Modell-Inferenz mit mlflow und AWS SageMaker
• Feature Engineering für die laufenden ML-Modelle (Recommender Engineer, Clustering)
• Implementierung von Model Registry und Artifactory mit mlflow
• Historisierung und Profiling der Eingabedaten mit AWS Glue Crawler und AWS Data Catalog
• Feature Importance mit mlflow

Tech. Stack: Python 3, AWS Glue, AWS Step Function, AWS Lambda, AWS EventBridge, AWS IAM Role, AWS SageMaker, AWS EC2, AWS Glue Crawler, AWS CloudWatch, MLFlow, ETL, Data Lake, GitHub Action, Terraform, Jenkins, Ansible Playbooks (Infrastructure as Code), CI/CD, GitLab, SQL, PySpark, Scrum, Agile, Jira, Big Data, VSCode, DBeaver, MSSQL, MySQL, Grafana, Docker, Linux, Bash, MapReduce, Datenmodellierung (ORM), Pandas, YAML, SQL-Alchemy

• Elektronische Logbuch-App, entwickelt für Forschungszentren zur Dokumentation ihrer Untersuchungen.
• Betont eine nutzerorientierte Organisation der Kommunikation: Versuchsteams können die Informationsstruktur und Benachrichtigungen konfigurieren, während Hauptuntersuchungsleiter die volle Zugriffskontrolle behalten.
• Echtzeit-Integration mit dem Metadatenkatalog der Einrichtung, dem Steuerungssystem Karabo und dem Datenanalysetool ermöglicht die automatische Protokollierung wichtiger Ereignisse, ergänzt durch manuelle Einträge nach Bedarf.

• Konzeption, Architektur & Entwicklung/Programmierung der ETL/ELT-Datenpipelines, DWH und BI-Lösung
• Technische Projektleitung, POC – Erstellung eines Proof of Concept
• Vermittlung zwischen Fachbereichen und technischen Teams
• Azure DevOps Boards & Jira
• Datenmodellierung & Data Engineering – Data Warehouse & Data Mart
• Azure (Data Factory, Azure SQL, Azure DevOps CI/CD, Azure Data Lake V2, Business Central REST API, OData API, OAuth2-Token)
• SharePoint-Liste & API für ADF, Firebird DB, Postgres DB, DB2
• Power BI (Power Query), DAX, Excel-PBI-Add-on, GIS-Daten
• Automatisiertes Monitoring/Logging von ETL-Prozessen, Performance-Monitoring, Fehler-Monitoring – Erkennung und Behebung
• Index-Performance-Tuning & Statistik-Monitoring, Transact-SQL
• Datensicherheit – MFA – Multifaktor-Authentifizierung & OAuth2, MS Graph, Azure-Netzwerke & Firewalls, Gateways, Rollen, Benutzergruppen – mit Lese- und Schreibberechtigungen
• Quellen – Vario Bill, Camunda, Radius, Geo-Datenbank, OTRS, PAST, MS Dynamics Business Central, Azure Blob Data Lake, SharePoint-Liste